Apa Peran Perusahaan Teknologi Besar dalam AI?

Apa Peran Perusahaan Teknologi Besar dalam AI?

Jawaban singkat: Perusahaan teknologi besar berperan penting dalam AI karena mereka mengendalikan hal-hal penting yang kurang menarik – komputasi, platform cloud, perangkat, toko aplikasi, dan perangkat perusahaan. Kontrol tersebut memungkinkan mereka untuk membiayai model-model mutakhir dan meluncurkan fitur-fitur kepada miliaran pengguna dengan cepat. Jika tata kelola, kontrol privasi, dan interoperabilitas lemah, pengaruh yang sama akan berubah menjadi ketergantungan dan konsentrasi kekuasaan.

Poin-poin penting:

Infrastruktur: Perlakukan kontrol atas cloud, chip, dan MLOps sebagai hambatan utama AI.

Distribusi: Harapkan pembaruan platform untuk mendefinisikan apa arti "AI" bagi sebagian besar pengguna.

Pengawasan: Aturan toko aplikasi dan ketentuan API secara diam-diam menentukan fitur AI mana yang akan dirilis.

Kontrol pengguna: Tuntut opsi penolakan yang jelas, pengaturan yang permanen, dan kontrol admin yang berfungsi.

Akuntabilitas: Wajibkan adanya catatan audit, transparansi, dan jalur banding untuk hasil yang merugikan.

Apa Peran Perusahaan Teknologi Besar dalam AI? Infografis

🔗 Masa depan AI: Tren dan apa yang akan terjadi selanjutnya
Inovasi-inovasi kunci, risiko, dan industri yang akan mengalami perubahan besar dalam dekade mendatang.

🔗 Model dasar dalam AI generatif: Panduan sederhana
Pahami bagaimana model dasar mendukung aplikasi AI generatif modern.

🔗 Apa itu perusahaan AI dan bagaimana cara kerjanya?
Pelajari ciri-ciri, tim, dan produk yang mendefinisikan bisnis yang mengutamakan AI.

🔗 Beginilah tampilan kode AI dalam proyek nyata
Lihat contoh pola kode, alat, dan alur kerja yang didukung AI.

Mari kita akui sejenak - sebagian besar "percakapan tentang AI" mengabaikan bagian-bagian yang kurang menarik seperti komputasi, distribusi, pengadaan, kepatuhan, dan kenyataan pahit bahwa seseorang harus membayar GPU dan listrik. Perusahaan teknologi besar hidup di bagian-bagian yang kurang menarik tersebut. Dan justru itulah mengapa hal ini sangat penting. 😅 ( IEA - Energi dan AI , NVIDIA - Gambaran umum platform inferensi AI )

Peran AI di Perusahaan Teknologi Besar, dalam bahasa yang mudah dipahami 🧩

Ketika orang menyebut "Big Tech," yang biasanya mereka maksud adalah perusahaan platform raksasa yang mengendalikan lapisan utama komputasi modern:

Jadi, peran mereka bukan hanya "mereka membuat AI." Lebih tepatnya, mereka membangun jalan raya, menjual mobil, mengelola gerbang tol, dan juga menentukan letak pintu keluar. Sedikit berlebihan... tapi tidak terlalu jauh dari kenyataan.

Peran Perusahaan Teknologi Besar dalam AI: lima pekerjaan utama 🏗️

Jika Anda menginginkan model mental yang jelas, perusahaan teknologi besar cenderung melakukan lima pekerjaan yang saling tumpang tindih di dunia AI:

  1. Penyedia infrastruktur:
    Pusat data, cloud, jaringan, keamanan, alat MLOps. Hal-hal yang membuat AI dapat diterapkan dalam skala besar. ( Dokumentasi Amazon SageMaker AI , IEA - Energi dan AI )

  2. Pembuat model dan mesin riset.
    Tidak selalu, tetapi sering kali - laboratorium, R&D internal, riset terapan, dan "sains yang dikomersialkan." ( Scaling Laws for Neural Language Models (arXiv) , Training Compute-Optimal Large Language Models (Chinchilla) (arXiv) )

  3. Distributor
    dapat memasukkan AI ke dalam kotak pencarian, telepon, klien email, sistem iklan, dan alat kerja. Distribusi adalah kekuatan super.

  4. Penjaga gerbang dan penentu aturan:
    Kebijakan toko aplikasi, aturan platform, ketentuan API, moderasi konten, gerbang keamanan, kontrol perusahaan. ( Pedoman Peninjauan Aplikasi Apple , Keamanan Data Google Play )

  5. Pengalokasi modal.
    Mereka mendanai, mengakuisisi, bermitra, dan mengembangkan. Mereka membentuk apa yang akan bertahan.

Itulah peran perusahaan teknologi besar dalam AI secara fungsional: mereka menciptakan kondisi agar AI dapat eksis - dan kemudian mereka memutuskan bagaimana AI tersebut sampai kepada Anda.

Apa yang membuat versi AI dari perusahaan teknologi besar menjadi baik? ✅😬

“Versi yang baik” dari perusahaan teknologi besar di bidang AI bukanlah tentang kesempurnaan. Ini tentang kompromi yang ditangani secara bertanggung jawab, dengan lebih sedikit kesalahan yang tidak terduga bagi semua orang.

Inilah yang biasanya membedakan nuansa "raksasa yang membantu" dari nuansa "wah, monopoli yang bikin khawatir":

  • Transparansi tanpa jargon yang rumit.
    Pelabelan yang jelas tentang fitur AI, keterbatasan, dan data yang digunakan. Bukan kebijakan yang berbelit-belit sepanjang 40 halaman. ( NIST AI RMF 1.0 , ISO/IEC 42001:2023 )

  • Kontrol pengguna yang nyata.
    Opsi penolakan yang berfungsi, pengaturan privasi yang tidak direset secara misterius, dan kontrol admin yang tidak membingungkan. ( GDPR - Peraturan (UE) 2016/679 )

  • Interoperabilitas dan keterbukaan - terkadang
    Tidak semuanya harus bersifat open-source, tetapi mengunci semua orang pada satu vendor selamanya adalah… sebuah pilihan.

  • Keamanan yang tegas:
    Pemantauan penyalahgunaan, pengujian keamanan (red-teaming), kontrol konten, dan kesediaan untuk memblokir kasus penggunaan yang jelas berisiko. ( NIST AI RMF 1.0 , profil NIST GenAI (pendamping AI RMF) )

  • Ekosistem yang sehat:
    Dukungan untuk perusahaan rintisan, mitra, peneliti, dan standar terbuka agar inovasi tidak menjadi "sewa platform atau menghilang." ( Prinsip-prinsip AI OECD )

Saya akan mengatakannya secara terus terang: "versi yang baik" terasa seperti layanan publik yang solid dengan cita rasa produk yang kuat. Versi yang buruk terasa seperti kasino di mana bandar juga yang menentukan aturannya. 🎰

Tabel Perbandingan: “Jalur AI” perusahaan teknologi besar teratas dan mengapa jalur tersebut berhasil 📊

Alat (jalur) Hadirin Harga Mengapa ini berhasil
Platform AI Cloud Perusahaan, perusahaan rintisan kurang lebih berdasarkan penggunaan Skalabilitas mudah, satu faktur, banyak tombol (terlalu banyak tombol)
API Model Frontier Pengembang, tim produk bayar per token / bertingkat Integrasinya cepat, kualitas dasarnya bagus, rasanya seperti curang 😅
AI yang Tertanam pada Perangkat Konsumen, prosumer dikemas Latensi rendah, terkadang ramah privasi, dapat berfungsi secara offline
Paket Produktivitas AI Tim kantor tambahan per kursi Terintegrasi dalam alur kerja sehari-hari - dokumen, email, rapat, semua rutinitas
Iklan + AI Penargetan Pemasar persentase pengeluaran Big data + distribusi = efektif, tapi juga agak menyeramkan 👀
AI Keamanan + Kepatuhan Industri yang diatur premi Menjual “ketenangan pikiran” - meskipun itu hanya berupa pengurangan jumlah peringatan
Chip AI + Akselerator Semua orang di hulu belanja modal besar Jika Anda memiliki sekop, Anda memenangkan demam emas (metafora yang agak kaku, tetapi tetap benar)
Permainan Ekosistem yang Agak Terbuka Pembangun, peneliti tingkatan gratis + berbayar Momentum komunitas, iterasi lebih cepat, dan terkadang kesenangan yang tak terkendali

Pengakuan kecil soal tabel: "agak gratis" di situ memiliki makna yang dalam. Gratis sampai tidak gratis lagi... Anda tahu kan bagaimana kelanjutannya.

Tampilan dekat: titik hambatan infrastruktur (komputasi, cloud, chip) 🧱⚙️

Inilah bagian yang kebanyakan orang tidak ingin bicarakan karena tidak glamor. Tetapi ini adalah tulang punggung AI.

Perusahaan teknologi besar memengaruhi AI dengan mengendalikan:

Jika Anda pernah mencoba menerapkan sistem AI di perusahaan sungguhan, Anda pasti tahu bahwa "model" adalah bagian yang mudah. ​​Bagian yang sulit adalah: izin, pencatatan log, akses data, pengendalian biaya, waktu operasional, respons insiden… hal-hal yang lebih serius. 😵💫

Karena perusahaan teknologi besar memiliki begitu banyak hal ini, mereka dapat menetapkan pola standar:

  • Alat mana yang menjadi standar?

  • Kerangka kerja mana yang mendapatkan dukungan kelas satu?

  • Perangkat keras mana yang diprioritaskan?

  • Model penetapan harga mana yang menjadi "normal"?

Itu tidak otomatis jahat. Tapi itu adalah kekuasaan.

Tampilan dekat: riset model vs realitas produk 🧪➡️🛠️

Inilah ketegangannya: Perusahaan teknologi besar dapat mendanai riset mendalam dan juga membutuhkan keberhasilan produk setiap kuartal. Kombinasi itu menghasilkan terobosan luar biasa dan juga menghasilkan peluncuran fitur yang… patut dipertanyakan.

Perusahaan teknologi besar biasanya mendorong kemajuan AI melalui:

Namun, tekanan produk mengubah segalanya:

  • Kecepatan mengalahkan keanggunan

  • Pengiriman lebih mudah daripada penjelasan

  • “Cukup baik” lebih baik daripada “dipahami sepenuhnya”

Terkadang itu tidak masalah. Sebagian besar pengguna tidak membutuhkan kemurnian teoretis, mereka membutuhkan asisten yang membantu dalam alur kerja mereka. Tetapi risikonya adalah bahwa "cukup baik" diterapkan dalam konteks yang sensitif (kesehatan, perekrutan, keuangan, pendidikan) di mana "cukup baik" ternyata... tidak cukup baik. ( Undang-Undang AI Uni Eropa - Peraturan (UE) 2024/1689 )

Ini adalah bagian dari Peran Perusahaan Teknologi Besar dalam AI - menerjemahkan kemampuan mutakhir menjadi fitur pasar massal, bahkan ketika kemampuan tersebut masih sangat canggih. 🔪

Tampilan dekat: distribusi adalah kekuatan super yang sesungguhnya 🚀📣

Jika Anda dapat menempatkan AI di tempat-tempat di mana orang sudah berinteraksi secara digital, Anda tidak perlu "meyakinkan" pengguna. Anda cukup menjadi pilihan default.

Saluran distribusi perusahaan teknologi besar meliputi:

Inilah mengapa perusahaan AI yang lebih kecil sering bermitra dengan perusahaan teknologi besar meskipun mereka merasa khawatir. Distribusi adalah oksigen. Tanpa itu, Anda bisa memiliki model terbaik di dunia dan tetap saja berteriak ke dalam kehampaan.

Ada juga efek samping yang halus: distribusi membentuk apa arti "AI" bagi publik. Jika AI terutama muncul sebagai alat bantu menulis, orang berasumsi AI adalah tentang menulis. Jika muncul sebagai alat pengeditan foto, orang berasumsi AI adalah tentang gambar. Platform menentukan suasananya.

Tampilan lebih dekat: data, privasi, dan kesepakatan kepercayaan 🔐🧠

Sistem AI seringkali menjadi lebih efektif ketika dipersonalisasi. Personalisasi seringkali membutuhkan data. Dan data menciptakan risiko. Segitiga itu tidak pernah hilang.

Perusahaan teknologi besar menguasai:

  • Data perilaku konsumen (pencarian, klik, preferensi)

  • Data perusahaan (email, dokumen, obrolan, tiket, alur kerja)

  • Data platform (aplikasi, pembayaran, sinyal identitas)

  • Data perangkat (lokasi, sensor, foto, input suara)

Bahkan ketika "data mentah" tidak digunakan secara langsung, ekosistem di sekitarnya membentuk pelatihan, penyempurnaan, evaluasi, dan arah produk.

Kesepakatan perwalian biasanya terlihat seperti ini:

  • Pengguna menyetujui pengumpulan data karena produknya praktis 🧃

  • Regulator akan menolak jika hal itu mulai terasa menyeramkan 👀 ( GDPR - Peraturan (UE) 2016/679 )

  • Perusahaan merespons dengan kontrol, kebijakan, dan pesan yang mengutamakan "privasi"

  • Semua orang memperdebatkan apa arti "privasi"

Aturan praktis yang pernah saya lihat berhasil: jika sebuah perusahaan dapat menjelaskan praktik data AI mereka dalam satu percakapan tanpa bersembunyi di balik jargon hukum, biasanya mereka berkinerja lebih baik daripada rata-rata. Tidak sempurna - hanya lebih baik.

Tampilan dekat: tata kelola, keamanan, dan permainan pengaruh diam-diam 🧯📜

Ini adalah peran yang kurang terlihat: Perusahaan teknologi besar sering membantu menetapkan aturan yang diikuti oleh semua orang.

Mereka membentuk tata kelola pemerintahan melalui:

Terkadang hal ini benar-benar bermanfaat. Perusahaan teknologi besar dapat berinvestasi dalam tim keamanan, alat kepercayaan, deteksi penyalahgunaan, dan infrastruktur kepatuhan yang tidak mampu dibiayai oleh perusahaan yang lebih kecil.

Terkadang hal itu bersifat mementingkan diri sendiri. Keamanan dapat menjadi benteng pertahanan, di mana hanya pemain terbesar yang mampu mematuhinya. Itulah dilemanya: keamanan itu penting, tetapi keamanan yang mahal dapat secara tidak sengaja membekukan persaingan. ( Undang-Undang AI Uni Eropa - Peraturan (UE) 2024/1689 )

Di sinilah nuansa menjadi penting. Bukan nuansa yang menyenangkan, melainkan nuansa yang menjengkelkan. 😬

Tampilan lebih dekat: persaingan, ekosistem terbuka, dan daya tarik startup 🧲🌱

Peran perusahaan teknologi besar dalam AI juga mencakup membentuk bentuk pasar:

  • Akuisisi (talenta, teknologi, distribusi)

  • Kemitraan (model yang dihosting di cloud, kesepakatan usaha patungan)

  • Pendanaan ekosistem (kredit, inkubator, pasar)

  • Perangkat lunak sumber terbuka (kerangka kerja, pustaka, rilis yang "agak terbuka")

Ada pola yang terus saya amati berulang:

  1. Startup berinovasi dengan cepat

  2. Perusahaan teknologi besar mengintegrasikan atau meniru pola yang sukses

  3. Startup beralih fokus ke ceruk pasar atau menjadi target akuisisi

  4. “Lapisan platform” menebal

Itu bukan berarti selalu buruk. Platform dapat mengurangi hambatan dan membuat AI lebih mudah diakses. Tetapi hal itu juga dapat mengurangi keragaman. Jika setiap produk menjadi "pembungkus di sekitar beberapa API yang sama," inovasi mulai terasa seperti menata ulang furnitur di apartemen yang sama.

Persaingan yang sedikit berantakan itu sehat. Seperti ragi sourdough. Jika Anda mensterilkan semuanya, ragi itu berhenti mengembang. Metafora itu sedikit kurang sempurna, tetapi saya tetap menggunakannya. 🍞

Menjalani hidup dengan penuh semangat dan kehati-hatian 😄😟

Kedua perasaan itu sama-sama cocok. Kegembiraan dan kehati-hatian dapat berada dalam satu ruangan yang sama.

Alasan untuk merasa gembira:

  • Penyebaran alat bantu yang lebih cepat

  • Infrastruktur dan keandalan yang lebih baik

  • Mengurangi hambatan bagi bisnis untuk mengadopsi AI

  • Investasi lebih lanjut dalam bidang keselamatan dan standardisasi ( NIST AI RMF 1.0 , Prinsip-prinsip AI OECD )

Alasan untuk berhati-hati:

Pandangan realistisnya adalah: Perusahaan teknologi besar dapat mempercepat perkembangan AI untuk dunia, sekaligus memusatkan kekuasaan. Kedua hal itu bisa terjadi bersamaan. Orang-orang tidak menyukai jawaban itu karena kurang menarik, namun sesuai dengan bukti yang ada.

Poin-poin penting praktis untuk berbagai pembaca 🎯

Jika Anda adalah pembeli bisnis 🧾

Jika Anda seorang pengembang 🧑💻

  • Bangun dengan mempertimbangkan portabilitas (lapisan abstraksi membantu)

  • Jangan mempertaruhkan segalanya pada satu fitur vendor yang bisa hilang begitu saja

  • Pantau batasan tarif, perubahan harga, dan pembaruan kebijakan seolah-olah itu bagian dari pekerjaan Anda (karena memang demikian) ( Pedoman Peninjauan Aplikasi Apple , Keamanan Data Google Play )

Jika Anda seorang pembuat kebijakan atau penanggung jawab kepatuhan 🏛️

Jika Anda pengguna tetap 🙋

  • Pelajari di mana fitur AI berada di aplikasi Anda

  • Gunakan kontrol privasi meskipun menjengkelkan ( GDPR - Peraturan (UE) 2016/679 )

  • Bersikap skeptis terhadap hasil "ajaib" - AI hanya percaya diri, bukan berarti selalu benar 😵

Ringkasan penutup: Peran Perusahaan Teknologi Besar dalam AI 🧠✨

Peran perusahaan teknologi besar dalam AI bukanlah satu hal tunggal. Ini adalah serangkaian peran: pemilik infrastruktur, pembangun model, distributor, penjaga gerbang, dan pembentuk pasar. Mereka tidak hanya berpartisipasi dalam AI - mereka mendefinisikan lahan tempat AI berkembang.

Jika Anda hanya mengingat satu kalimat, ingatlah ini:

Peran Perusahaan Teknologi Besar dalam AI:
Mereka membangun infrastruktur, menetapkan pengaturan default, dan mengarahkan bagaimana AI mencapai manusia - dalam skala besar, dengan konsekuensi yang besar pula. ( NIST AI RMF 1.0 , Undang-Undang AI Uni Eropa - Peraturan (EU) 2024/1689 )

Ya, "konsekuensi" memang terdengar dramatis. Tapi AI adalah salah satu topik di mana dramatis terkadang memang... akurat. 😬🤖

Pertanyaan yang Sering Diajukan (FAQ)

Apa peran perusahaan teknologi besar dalam AI, dalam praktiknya?

Peran perusahaan teknologi besar dalam AI bukan sekadar "mereka membuat model" tetapi lebih kepada "mereka mengoperasikan mesin yang membuat AI bekerja dalam skala besar." Mereka menyediakan infrastruktur cloud, mengirimkan AI melalui perangkat dan aplikasi, serta menetapkan aturan platform yang membentuk apa yang dibangun. Mereka juga mendanai penelitian, kemitraan, dan akuisisi yang memengaruhi pendekatan mana yang akan bertahan. Di banyak pasar, mereka secara efektif mendefinisikan pengalaman AI standar.

Mengapa akses komputasi sangat penting untuk menentukan siapa yang dapat membangun AI dalam skala besar?

AI modern bergantung pada kluster GPU besar, jaringan cepat, penyimpanan, dan pipeline MLOps yang andal—bukan hanya algoritma yang cerdas. Jika Anda tidak bisa mendapatkan kapasitas yang dapat diprediksi, pelatihan, evaluasi, dan penerapan menjadi rapuh dan mahal. Perusahaan teknologi besar sering mengendalikan lapisan "tulang punggung" (cloud, kemitraan chip, penjadwalan, keamanan), yang dapat menentukan apa yang layak dilakukan oleh tim yang lebih kecil. Kekuatan itu bisa bermanfaat, tetapi tetap saja itu adalah kekuatan.

Bagaimana distribusi perusahaan teknologi besar membentuk makna "AI" bagi pengguna sehari-hari?

Distribusi adalah kekuatan super karena mengubah AI menjadi fitur bawaan, bukan produk terpisah yang harus Anda pilih. Ketika AI muncul di bilah pencarian, telepon, email, dokumen, rapat, dan toko aplikasi, AI menjadi "apa itu AI" bagi kebanyakan orang. Hal itu juga mempersempit ekspektasi publik: jika AI sebagian besar hanya alat tulis di aplikasi Anda, pengguna menganggap AI sama dengan menulis. Platform secara diam-diam menentukan nadanya.

Apa saja cara utama aturan platform dan toko aplikasi bertindak sebagai penjaga gerbang AI?

Kebijakan peninjauan aplikasi, ketentuan pasar, aturan konten, dan pembatasan API dapat menentukan fitur AI mana yang diizinkan dan bagaimana fitur tersebut harus berperilaku. Bahkan ketika aturan tersebut dibingkai sebagai perlindungan keamanan atau privasi, aturan tersebut juga membentuk persaingan dengan meningkatkan biaya kepatuhan dan implementasi. Bagi pengembang, ini berarti pembaruan kebijakan bisa sama pentingnya dengan pembaruan model. Dalam praktiknya, "apa yang dirilis" seringkali adalah "apa yang lolos uji"

Bagaimana platform AI berbasis cloud seperti SageMaker, Azure ML, dan Vertex AI sesuai dengan peran perusahaan teknologi besar dalam AI?

Platform AI berbasis cloud menggabungkan pelatihan, penerapan, pemantauan, tata kelola, dan keamanan ke dalam satu tempat, yang mengurangi hambatan bagi perusahaan rintisan dan perusahaan besar. Alat-alat seperti Amazon SageMaker, Azure Machine Learning, dan Vertex AI mempermudah penskalaan dan pengelolaan biaya melalui hubungan vendor tunggal. Kelemahannya adalah kemudahan tersebut dapat meningkatkan ketergantungan pada vendor tertentu, karena alur kerja, izin, dan pemantauan terintegrasi secara mendalam ke dalam ekosistem tersebut.

Pertanyaan apa yang harus diajukan oleh pembeli bisnis sebelum mengadopsi alat AI dari perusahaan teknologi besar?

Mulailah dengan data: ke mana data tersebut pergi, bagaimana data tersebut diisolasi, dan kontrol retensi serta audit apa yang ada. Tanyakan tentang kontrol admin, pencatatan log, batasan akses, dan bagaimana model dievaluasi risikonya di domain Anda. Selain itu, uji juga penetapan harga, karena biaya berbasis penggunaan dapat melonjak seiring pertumbuhan adopsi. Dalam lingkungan yang teregulasi, selaraskan ekspektasi dengan kerangka kerja dan persyaratan kepatuhan yang sudah digunakan organisasi Anda.

Bagaimana pengembang dapat menghindari ketergantungan pada vendor tertentu saat membangun aplikasi menggunakan API AI dari perusahaan teknologi besar?

Pendekatan umum adalah mendesain untuk portabilitas: membungkus panggilan model di balik lapisan abstraksi dan menjaga agar prompt, kebijakan, dan logika evaluasi tetap terversi dan dapat diuji. Hindari bergantung pada satu fitur vendor "khusus" yang dapat berubah atau hilang. Lacak batasan tarif, pembaruan harga, dan perubahan kebijakan sebagai bagian dari pemeliharaan berkelanjutan. Portabilitas tidak gratis, tetapi biasanya biayanya lebih rendah daripada migrasi paksa.

Bagaimana privasi dan personalisasi menciptakan "kesepakatan kepercayaan" dengan fitur AI?

Personalisasi seringkali meningkatkan kegunaan AI, tetapi biasanya meningkatkan paparan data dan kesan yang kurang menyenangkan. Perusahaan teknologi besar memiliki akses langsung ke data perilaku, perusahaan, platform, dan perangkat, sehingga pengguna dan regulator mengamati dengan cermat bagaimana data tersebut memengaruhi pelatihan, penyempurnaan, dan keputusan produk. Tolok ukur praktisnya adalah apakah suatu perusahaan dapat menjelaskan praktik data AI-nya dengan jelas tanpa bersembunyi di balik bahasa hukum. Kontrol yang baik dan opsi penolakan yang nyata sangat penting.

Standar dan regulasi apa yang paling relevan dengan tata kelola dan keamanan AI di perusahaan teknologi besar?

Dalam banyak alur kerja, tata kelola memadukan kebijakan keselamatan internal dengan kerangka kerja dan hukum eksternal. Organisasi sering merujuk pada panduan manajemen risiko seperti AI RMF dari NIST, standar manajemen seperti ISO/IEC 42001, dan peraturan regional seperti GDPR dan Undang-Undang AI Uni Eropa untuk kasus penggunaan tertentu. Hal ini memengaruhi pencatatan, audit, batasan data, dan apa yang diblokir atau diizinkan. Tantangannya adalah kepatuhan dapat menjadi mahal, yang dapat menguntungkan pemain yang lebih besar.

Apakah pengaruh perusahaan teknologi besar terhadap persaingan dan ekosistem selalu merupakan hal yang buruk?

Tidak secara otomatis. Platform dapat menurunkan hambatan, menstandarisasi perangkat, dan mendanai keamanan serta infrastruktur yang tidak mampu dibiayai oleh tim yang lebih kecil. Namun, dinamika yang sama dapat mengurangi keragaman jika semua orang menjadi sekadar pembungkus tipis di sekitar beberapa API, cloud, dan pasar yang dominan. Perhatikan pola-pola seperti konsolidasi komputasi dan distribusi, serta pergeseran harga dan kebijakan yang sulit dihindari. Ekosistem yang paling sehat biasanya menyediakan ruang untuk interoperabilitas dan pendatang baru.

Referensi

  1. Badan Energi Internasional - Energi dan AI - iea.org

  2. Badan Energi Internasional - Permintaan energi dari AI - iea.org

  3. NVIDIA - Gambaran umum platform inferensi AI - nvidia.com

  4. Amazon Web Services - Amazon SageMaker AI (Apa itu SageMaker?) - aws.amazon.com

  5. Microsoft - Azure Machine Learning - learn.microsoft.com

  6. Google Cloud - Vertex AI - cloud.google.com

  7. Google Cloud - MLOps di Vertex AI - cloud.google.com

  8. Microsoft - Panduan arsitektur operasi pembelajaran mesin (MLOps) v2 - learn.microsoft.com

  9. Pengembang Apple - Core ML - developer.apple.com

  10. Google Developers - ML Kit - developers.google.com

  11. Apple Developer - Pedoman Peninjauan Aplikasi - developer.apple.com

  12. Bantuan Google Play Console - Keamanan data - support.google.com

  13. arXiv - Hukum Skala untuk Model Bahasa Neural - arxiv.org

  14. arXiv - Melatih Model Bahasa Besar yang Optimal dalam Komputasi (Chinchilla) - arxiv.org

  15. Institut Standar dan Teknologi Nasional - Kerangka Kerja Manajemen Risiko AI (AI RMF 1.0) - nist.gov

  16. Institut Standar dan Teknologi Nasional - Profil AI Generatif NIST (pendamping AI RMF) - nist.gov

  17. Organisasi Internasional untuk Standardisasi - ISO/IEC 42001:2023 - iso.org

  18. EUR-Lex - Peraturan (UE) 2016/679 (GDPR) - eur-lex.europa.eu

  19. EUR-Lex - Regulasi (UE) 2024/1689 (UU AI UE) - eur-lex.europa.eu

  20. OECD - Prinsip OECD AI - oecd.ai

Temukan AI Terbaru di Toko Resmi Asisten AI

Tentang Kami

Kembali ke blog